表示定理

摘要： 最小二乘孪生支持向量机通过求解两个线性规划问题来代替求解复杂的二次规划问题,具有计算简单和训练速度快的优势。然而,最小二乘孪生支持向量机得到的超平面易受异常点影响且解缺乏稀疏性。针对这一问题,基于截断最小二乘损失提出了一种鲁棒最小二乘孪生支持向量机模型,并从理论上验证了模型对异常点具有鲁棒性。为使模型可处理大规模数据,基于表示定理和不完全Cholesky分解得到了新模型的稀疏解,并提出了适合处理带异常点的大规模数据的稀疏鲁棒最小二乘孪生支持向量机算法。数值实验表明,新算法比已有算法分类准确率、稀疏性、收敛速度分别提高了1.97%~37.7%、26~199倍和6.6~2 027.4倍。

摘要： 3课时教学设计(怎样教,怎样学)本单元新授课需5个课时,具体课时分配如下:下面以"平面与平面平行(第1课时)"为例介绍。3.1教学内容平面与平面平行(第1课时)[5]。3.2教学目标(服务于单元目标)(1)借助直观感知、操作确认,归纳出平面与平面平行的判定定理,会用符号语言、图形语言、文字语言表示定理;在此过程中,感悟从整体到局部,从一般到特殊的研究方法。

摘要： 考虑Z-Quantale的表示问题.首先,证明任意单位Z-Quantale都同构于由其强Z-自连续映射所构成的Z-Quantale;其次,证明对于任意单位Z-Quantale都存在其上的一个关系Z-Quantale与其同构;最后,讨论单位Z-Quantale范畴与关系Z-Quantale范畴之间的关系,证明单位Z-Quantale范畴与关系Z-Quantale范畴等价.

摘要： 本文将[0,1]上阿基米德t-模T的表示定理进行了推广,得到了区间值模糊集t-模的一些性质,并给出了一种特殊的区间值模糊集t-模的表示方式。

摘要： 本文把Burgert和Ruschendorf(2006)及Ruschendorf(2013)的静态投资组合凸风险度量的研究框架推广到动态现金次可加情形中进行研究.利用风险度量公理化方法建立了条件投资组合现金次可加风险度量的研究框架,给出相应的表示定理,并研究了动态投资组合现金次可加风险度量在满足假定条件下的时间相容性问题,推广了Burgert和Ruschendorf(2006)及EL Karoui和Ravanelli(2009)的结论.

摘要： 该文建立了多维框架下的静态风险度量,介绍了多维币值风险度量和可接受集概念,讨论了多维风险度量与可接受集之间的关系,最后给出了静态多维风险度量的表示定理,并给出了多维风险度量的一些性质.%In this paper, static risk measures is established in the multidimensional framework, the concepts of multidimensional monetary risk measures and acceptable set are introduced, and the relationships between multidimensional risk measures and acceptable set are investigated. Finally, the representation theorem of multidimensional risk measures is provided, some properties of multidimensional risk measures are given.

摘要： 属性约简是粗糙集理论的重要应用之一,其目的是在保持分类能力不变的前提下去掉冗余的属性,从而简化信息系统.由于经典粗糙集等价关系的要求过于严格,为了更好地解决实际问题,将粗糙集与二型模糊集结合,得到二型模糊粗糙集.利用论域和特征空间的积空间上的两个一型模糊集来构造论域的一个二型模糊划分,将模糊粗糙集属性约简的模型推广到二型模糊粗糙集框架中,得到了一个二型模糊粗糙属性约简的模型,并举例说明了用此模型进行属性约简的方法.%Attribute reduction is an important application of rough set theory,which aims to delete redundant attributes and simplify the information system while maintaining the classifying ability of the system.But traditional rough set theory is based on an equivalent relation,which seems to be a very restrictive condition that may limit the application of the rough set model.To overcome this shortcoming,type-2 fuzzy rough set is obtained by combining rough set with type-2 fuzzy set.Two type-1 fuzzy sets,defined on the universe and the product space of feature spaces respectively,are used to construct a type-2 fuzzy partition of the universe and a model for fuzzy rough attribute reduction is expanded to the framework of type-2 fuzzy rough sets,and then a model for type-2 fuzzy rough attribute reduction is obtained.An example is given to show the application of this model.

摘要： 给出了马氏链的表示定理,并且在马氏机制转换模型下考虑了可违约权益的对冲问题,利用马氏链的表示定理得到了可违约权益的动态对冲策略.%This paper presented a martingale representation for Markov chain,and investigated the hedging of defaultable claims in a Markov regime switching model.It derives the pricing dynamics of a defaultable claim and the self-financing trading strategy based on the savings account and defaultable bonds.

摘要： In many real world applications , different types of misclassification often suffer from different losses ,which can be described by costs .Cost‐sensitive learning tries to minimize the total cost rather than minimize the error rate .During the past few years ,many efforts have been devoted to cost‐sensitive learning . The basic strategy for cost‐sensitive learning is rescaling , which tries to rebalance the classes so that the influence of different classes is proportional to their cost ,and it has been realized in different ways such as assigning different weights to training examples ,resampling the training examples ,moving the decision thresholds ,etc .Moreover ,researchers integrated cost‐sensitivity into some specific methods ,and proposed alternative embedded approaches such as CS‐SVM .In this paper , we propose the CS‐LDM (cost‐sensitive large margin distribution machine ) approach to tackle cost‐sensitive learning problems .Rather than maximize the minimum margin like traditional support vector machines ,CS‐LDM tries to optimize the margin distribution and efficiently solve the optimization objective by the dual coordinate descent method ,to achieve better generalization performance .Experiments on a series of data sets and cost settings exhibit the impressive performance of CS‐LDM ;in particular ,CS‐LDM is able to reduce 24% more average total cost than CS‐SVM .%在现实生活中的很多应用里，对不同类别的样本错误地分类往往会造成不同程度的损失，这些损失可以用非均衡代价来刻画。代价敏感学习的目标就是最小化总体代价。提出了一种新的代价敏感分类方法———代价敏感大间隔分布学习机（cost‐sensitive large margin distribution machine ，CS‐LDM ）。与传统的大间隔学习方法试图最大化“最小间隔”不同，CS‐LDM 在最小化总体代价的同时致力于对“间隔分布”进行优化，并通过对偶坐标下降方法优化目标函数，以有效地进行代价敏感学习。实验结果表明，CS‐LDM 的性能显著优于代价敏感支持向量机 CS‐SVM ，平均总体代价下降了24％。

摘要： 为不同的逻辑规则提供相应的语义特征(即建立表示定理)是非单调逻辑研究中的重要内容之一。K.Britz，J.Heidema和W.Labuschagnez在经典的占优推理系统基础上引入了对偶占优推理的概念。本文给出了一种构造占优模型的方法，并利用该方法建立了对偶占优推理系统的表示定理。

摘要： 主要讨论完备格的关系表示问题,分别建立了完全分配格的正则表示定理、超连续格的有限正则表示定理、λ-超连续格的λ-正则关系表示定理、区间拓扑T完备格的广义有阴正则表示定理,给出了正则关系、完全分配格、超连续格、λ-超连续格、区间拓扑T完备格的内蕴式刻划;给出了本文所建立的完备格的关系表示理论在Domain理论、格论和拓扑学中的若干应用.

摘要： 包括如下工序：液晶取向膜形成工序，在一对基板的各自的表面，由相同组成的液晶取向剂形成液晶取向膜，所述相同组成的液晶取向剂含有具有通过光照射而产生自由基的自由基产生结构的聚合物；液晶取向膜光照射工序，对前述一对基板中的至少一者实施光照射，使对两者的液晶取向膜的光照射量成为不同的状态；和，之后的液晶层形成工序，在前述一对基板之间形成包含液晶化合物的液晶层。

摘要： 一种用以基于音频内容的位流表示型态中所包括的下混信号表示型态及对象相关参数信息并依使用者指定渲染矩阵来提供上混信号表示型态的装置，该装置包含失真限制器，其被配置为依线性组合参数利用使用者指定渲染矩阵与目标渲染矩阵的线性组合来获得经修改渲染矩阵。该装置也包含信号处理器，其被配置为使用该经修改渲染矩阵、基于该下混信号表示型态及该对象相关参数信息来获得上混信号表示型态。该装置也被配置为评估表示该线性组合参数的位流元素以便获得该线性组合参数。

摘要： 一种用以基于音频内容的位流表示型态中所包括的下混信号表示型态及对象相关参数信息并依使用者指定渲染矩阵来提供上混信号表示型态的装置，该装置包含失真限制器，其被配置为依线性组合参数利用使用者指定渲染矩阵与目标渲染矩阵的线性组合来获得经修改渲染矩阵。该装置也包含信号处理器，其被配置为使用该经修改渲染矩阵、基于该下混信号表示型态及该对象相关参数信息来获得上混信号表示型态。该装置也被配置为评估表示该线性组合参数的位流元素以便获得该线性组合参数。

摘要： 包括如下工序：液晶取向膜形成工序，在一对基板的各自的表面，由相同组成的液晶取向剂形成液晶取向膜，所述相同组成的液晶取向剂含有具有通过光照射而产生自由基的自由基产生结构的聚合物；液晶取向膜光照射工序，对前述一对基板中的至少一者实施光照射，使对两者的液晶取向膜的光照射量成为不同的状态；和，之后的液晶层形成工序，在前述一对基板之间形成包含液晶化合物的液晶层。

摘要： 一种用以基于下混信号表示形态及与下混信号表示形态相关联的参数侧边信息来提供用于提供上混信号表示形态的一或多个经调整参数的装置，其包含一参数调整器。该参数调整器被配置为接收一或多个参数，及基于此而提供一或多个经调整参数。该参数调整器被配置为依据多个参数值的平均值而提供一或多个经调整参数，使得通过使用非最佳参数所导致的该上混信号表示形态的失真，对偏离最佳参数的参数至少减少大于预定偏差。

摘要： 一种用以基于一下混信号表示形态及一对象相关参数信息，且依据一呈现信息而提供一上混信号表示形态的装置，该下混信号表示形态及该对象相关参数信息包括于一音频内容的位流表示形态，该装置包含一失真限制器，其构造为使用一失真控制方案而调整上混参数来避免或限制因呈现参数的不当选择所导致的听觉失真。该失真限制器构造为获得一失真限制控制参数，其包括于该音频内容的位流表示形态，及依据该失真限制控制参数而调整一失真控制方案。

摘要： 一种把音频信号转换成参数化表示的装置，包括一个用于解析音频信号段以获取解析结果的信号解析器(102)；一个在所述解析结果的基础上评估多元化带通滤波器的信息的带通滤波评估器(106)，其中带通滤波器的带宽在音频频谱上是不相同的并依赖于带通滤波器的中心频率；一个使用多元化带通滤波器的信息评估对应于所述音频信号段的多元化带通滤波器的每一个通带中的振幅调制(112)或者频率调制(114)或者相位调制的调制评估器(110)；以及一个用于传输、储存及修改对应于所述音频信号段的多元化带通滤波器的振幅调制信息，或者频率调制或者相位调制信息的信号输出接口(116)。

摘要： 本发明提供的提高网络表示学习表示能力的方法、模型训练方法和系统，根据图网络得到各个子图的集合；将表示子图的邻接矩阵和特征矩阵输入到图卷积神经网络中，得到子图的网络表示学习的初始向量；根据子图中中心节点与每个非中心节点之间的关系，计算中心节点与每个非中心节点之间的注意力权重；根据初始向量和每个非中心节点之间的注意力权重，得到子图节点与关系组合后的具有权重的节点知识表示向量；采用注意力机制计算得到各个非中心节点之间关系的注意力权重；根据节点知识表示向量以及各个关系的注意力权重，得到子图的加权聚合向量。用加权聚合向量表示节点，使节点知识嵌入具有更丰富的语义信息，提升了异构网络的知识计算和推理能力。

摘要： 本发明实施例公开了一种词表示模型训练、词表示方法、装置、电子设备及介质，其中，词表示模型训练方法包括：获取训练语句数据，并将所述训练语句数据输入至词表示模型的词嵌入网络，得到多维词向量；将所述多维词向量分别输入至所述词表示模型的正向语境识别网络和反向语境识别网络，得到正向语境识别信息和反向语境识别信息；将所述多维词向量、所述正向语境识别信息和所述反向语境识别信息分别输入至所述词表示模型的全连接网络进行拼接融合，得到所述训练语句数据的上下文语境词语表示信息。本发明实施例的技术方案能够提高词表示模型的语义表示能力和词的识别精度，进而提高语义表示的精度。

摘要： 词表示装置具备存储部和词表示生成部，存储部关于构成流谱的多个流线结构，存储各流线结构与其字符的对应关系，词表示生成部具备根决定机构、树表示构成机构和COT表示生成机构，根决定机构决定给定的流谱的根，树表示构成机构从给定的流谱的最内部至按顺序到达根为止地反复执行如下处理，由此构成给定的流谱的树表示，其中，所述处理是提取给定的流谱的流线结构、基于存储部中存储的对应关系而向该提取出的流线结构赋予字符并删除该提取出的流线结构这样的处理，COT表示生成机构将由树表示构成机构构成的树表示变换成COT表示来生成给定的流谱的词表示。而且，使学习完成AI计算使其周围产生所希望的流谱的结构物形状。